[發明專利]一種多通道脈沖耦合神經網絡的加權特征人臉識別方法

無效

• 申請號: 201310295510.1
• 申請日: 2013-07-15
• 公開（公告）號: CN103345624A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 鄭宏;黎曦;劉操;許曉航
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/02
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

技術領域

本發明屬于智能識別系統領域，具體涉及一種基于HSI色彩空間的脈沖耦合神經網絡人臉識別方法。

背景技術

人臉識別：

人臉是人類最重要的生物特征之一，反映了很多重要的生物信息，如身份、性別、種族、年齡、表情等等。隨著計算機技術的飛速發展，基于人臉圖像的計算機視覺和模式識別問題也成為近些年研究的熱點問題。其中包括人臉檢測，人臉識別，人臉表情識別等各類識別問題。對于人臉識別問題的研究已有幾十年的時間，在理論研究和實際開發方面都取得了一定的進展，并且目前已有一些電子產品配備了人臉識別系統。

人臉與人體的其他生物特征(指紋、虹膜等)一樣與生俱來，它們所具有的唯一性和不易被復制的良好特性為身份鑒別提供了必要的前提；同其他生物特征識別技術相比，人臉識別技術具有操作簡單、結果直觀、隱蔽性好的優越性。因此，人臉識別在信息安全、刑事偵破、出入口控制等領域具有廣泛的應用前景。

PCNN特征提取技術：

人工神經網絡是近幾十年新興的一門學科。它涉及到神經生理學、電子學、計算機科學、數學等多門學科，已經被廣泛的應用于人工智能、信息處理、模式識別、自動控制等諸多領域。脈沖耦合神經網絡(Pulse-Coupled?Neural?Network，簡稱PCNN)是基于對貓的視覺皮層神經元脈沖串同步振蕩現象的研究發展而來的神經網絡模型，被稱為第三代人工神經網絡，與傳統的人工神經網絡模型相比較，因其具有動態神經元、時空總和特性、波的自動傳播、同步脈沖發放等特性而備受關注。在PCNN中，具有相似輸入的神經元同時發放脈沖，能夠彌補輸入數據的空間不連貫和幅度上的微小變化，從而較完整的保留圖像的區域信息，目前它已被成功的用于圖像平滑、圖像分割、目標識別、特征提取等方面。這就使得PCNN具有較高的研究價值和更為廣闊的應用前景。近年來，PCNN的工作原理和其在圖像處理、雷達聲納、電子行業、醫藥衛生、語音信號處理等領域的應用在國內外受到廣泛重視。

請見圖1，為PCNN人臉識別方法流程圖，與傳統的神經網絡圖像識別方法相比，基于PCNN的人臉識別方法具有高效、快速、識別率高、硬件實現簡單等特點；但是，人臉膚色信息對于人臉識別的準確率有著重要的影響，現有的PCNN人臉識別方法把人臉圖像轉化為灰度圖像進行特征提取，丟失了人臉圖像重要的顏色信息，對于相似的人臉，很容易造成誤識別。

發明內容

本發明的目的就是克服現有技術的不足，提供一種人臉識別率高的多通道脈沖耦合神經網絡的加權特征人臉識別方法。

本發明所采用的技術方案是：一種多通道脈沖耦合神經網絡的加權特征人臉識別方法，其特征在于，包括以下步驟：

步驟1：獲取原始人臉彩色圖像；

步驟2：把所述的原始人臉彩色圖像從RGB色彩空間轉換到HSI色彩空間，得到轉換人臉圖像；

步驟3：分別提取所述的轉換人臉圖像的色調H、飽和度S、亮度I三通道數據；

步驟4：運用PCNN技術對所述的轉換人臉圖像的H、S、I三通道數據進行迭代點火處理，生成三通道脈沖點火比序列；

步驟5：把所述的三通道脈沖點火比序列進行加權處理，然后把加權后的數列連接在一起，形成所述的轉換人臉圖像的整體脈沖點火比特征序列譜；

步驟6：利用所述的轉換人臉圖像的整體脈沖點火比序列譜與人臉特征模板庫中的人臉樣本序列譜進行相關度匹配，識別出正確的人臉圖像，所述的人臉特征模板庫是預先經過所述的步驟1至5對普通大眾進行人臉特征采集匯總而得到的模板庫。

作為優選，本發明按照所述的H、S、I三通道數據信息在人臉識別中所占的不同重要程度，把所述的三通道脈沖點火比序列進行加權處理。

與現有的基于PCNN的圖像識別方法對比，本發明的優勢主要是利用PCNN特征提取方法的魯棒性、快速性以及可移植性，本發明在保留人臉膚色信息的基礎上進行PCNN圖像特征提取，并且提取了三個通道的特征信息，通過理論分析與實驗論證，對三通道特征序列進行加權處理，大大的提高了人臉圖像的識別率，本發明對于正確的人臉匹配起到了至關重要的作用。本發明可以廣泛運用于基于嵌入式系統的模式識別領域。

附圖說明

圖1：為本發明現有技術的PCNN人臉識別方法流程圖。

圖2：為本發明的方法流程圖。

圖3：為本發明的PCNN人臉識別神經元模型示意圖。

具體實施方式